C ++中的非ASCII字符串字符索引

Question

我正在做一個小的C ++應用程序，該應用程序執行一些字符串處理。 目前，我想提取特定字符索引處的字符串。 我使用字符串的at（）方法的幼稚解決方案效果很好，但是對於非ascii字符串卻無法使用。 例如：

string test = "ヘ(^_^ヘ)(ノ^_^)ノ"
cout << test.at(0) << endl;

在gcc 4.2下為我生成一個磅符號作為輸出。 我也不認為終端有問題，因為我可以很好地打印出整個字符串。 是否有圖書館或可以用來達到預期效果的東西？

Answer 1

string使用的char僅為8位。 如果要編碼16位字符，則需要使用wstring 。

Answer 2

您的字符串可能是UTF-8，其中的“字符”和“字節”不是一回事。 std::string類假定“字符”每個都是一個字節，因此結果是錯誤的。

您的選擇是將字符串轉換為UTF-16並使用wstring ，您可以（通常）假設每個字符都是兩個字節（ wchar_t或short ），或者您可以使用ICU或UTF8-CPP之類的庫直接對UTF-8字符串進行操作，例如執行“獲取第3個字符”而不是“獲取第3個字節”。

或者，如果您想變得極簡，則可以通過重復使用UTF-8字符串長度函數之一的內部函數，編寫一個（相對）簡單的函數來獲取特定字符的字節偏移量和長度。上面列出的或來自google的庫。 基本上，您必須檢查每個字符並向前跳1-3個字節，以根據所設置的位到達下一個字符的開頭。

這是可以從PHP輕松翻譯的一種：

for($i = 0; $i < strlen($str); $i++) {
    $value = ord($str[$i]);
    if($value > 127) {
        if($value >= 192 && $value <= 223)
            $i++;
        elseif($value >= 224 && $value <= 239)
            $i = $i + 2;
        elseif($value >= 240 && $value <= 247)
            $i = $i + 3;
        else
            die('Not a UTF-8 compatible string');
        }
    $count++;
} 

http://www.php.net/manual/zh/function.strlen.php#25715